基于特征融合和边缘-排名优化的图学习网络拆解算法

本发明公开了基于特征融合和边缘‑排名优化的图学习网络拆解算法，属于通信领域，该拆解算法具体步骤如下：Ⅰ、构建合成网络训练数据集，并确定G2D模型结构，再利用合成网络训练数据集训练G2D模型；Ⅱ、利用训练完成的G2D模型预测目标网络中各节点的重要性分数，并识别目标网络中的关键节点；Ⅲ、根据识别出的关键节点，拆解目标网络，并更新网络结构，同时在拆解过程中，通过tree_break算法分解剩余图；本发明能够高效地识别出网络中的关键节点，并在拆解过程中保持较高的效率，不仅在准确性和鲁棒性方面具有显著优势，而且在计算效率和网络拆解效率上也表现出了更优的性能，并且在大规模网络拆解任务中，能够显著降低计算开销，并提升处理效率。